Sensory SystemsSensory SystemsСенсорные системы0235-00923034-5936The Russian Academy of Sciences67578310.31857/S0235009224020041DDOTRTСЛУХОВАЯ СИСТЕМАResearch ArticleIdentification of speaker gender by voice characteristics under background of multi-talker noiseОпределение пола диктора по характеристикам голоса на фоне шума многоголосияLabutinaO. V.ЛабутинаО. В.
Russian Federation
ogorodnikovaea@infran.ruPakS. P.ПакС. П.
Russian Federation
ogorodnikovaea@infran.ruOgorodnikovaE. A.ОгородниковаЕ. А.
Russian Federation
ogorodnikovaea@infran.ruPavlov Institute of Physiology of the Russian Academy of SciencesИнститут физиологии им. И.П. Павлова Российской академии наук01082024382546128022025Copyright ©; 2024, Russian Academy of SciencesCopyright ©; 2024, Российская академия наук2024Russian Academy of SciencesРоссийская академия наукhttps://journals.eco-vector.com/0235-0092/article/view/675783

Psychophysical methods were used to study the features of identifying the gender of a speaker based on voice characteristics under conditions of speech-like interference and stimulation through headphones. We used a set of speech signals and multi-talker noise from experiments in a free sound field – a spatial scene (Andreeva et al., 2019). The set included 8 disyllabic words spoken by 4 speakers: 2 male and 2 female voices with average fundamental frequencies of 117, 139, 208 and 234 Hz. Multi-talker noise represented the result of mixing all audio files (8 words * 4 speakers). The signal-to-noise ratio was 1:1, which subjectively corresponded to the maximum noise level in the spatial scene (SNR = –14 dB). Adult subjects from 17 to 57 years old (n = 42) participated in the experiments. Additionally, 3 age subgroups were identified: 18.6±1.5 years (n = 27); 28±4.1 years (n = 7); 46±5.4 years (n = 8). All subjects had normal hearing. The results of the study and their comparison with the data of mentioned work confirmed the importance of voice characteristics for the auditory analysis of complex spatial (free sound field) and non-spatial (headphones) scenes, and also demonstrated the role of mechanisms of the masking and binaural perception, in particular, the high-frequency mechanism of spatial hearing. A relation the perceptual assessment of the gender by voice in noise and the age of the subjects and the gender of the speakers (male/female voice) was also found. The results are of practical importance for the organization of hearing-speech training, early detection of speech hearing interference immunity impairment, as well as the development of noise-resistant systems for automatic speaker verification and hearing aid technologies.

Психофозическими методами исследовали особенности опознания пола диктора по характеристикам голоса в условиях действия речеподобной помехи и стимуляции через головные телефоны. Использовали набор речевых сигналов и шум многоголосия из экспериментов в свободном звуковом поле – пространственной сцене (Andreeva et al., 2019). В набор входили 8 двусложных слов, произнесенных 4 дикторами: 2 мужских и 2 женских голоса со средней частотой основного тона 117, 139, 208 и 234 Гц. Шум многоголосия представлял результат микширования всех аудиофайлов (8 слов × 4 диктора). Соотношение сигнал/шум составляло 1:1, что субъективно соответствовало макимальному уровню зашумления в пространственной сцене (SNR = –14 дБ). В экспериментах участвовали 42 взрослых испытуемых (от 17 до 57 лет). Дополнительно выделяли 3 возрастных подгруппы: 18.6±1.5 лет (n = 27); 28±4.1 лет (n = 7); 46±5.4 лет (n = 8). Все испытуемые обладали нормальным слухом. Результаты исследования и их сравнения с данными указанной работы подтвердили значимость характеристик голоса для слухового анализа сложных пространственных (свободное звуковое поле) и непространственных (головные телефоны) сцен, а также продемонстрировали роль механизмов маскировки и бинаурального восприятия, в частности высокочастотного механизма пространственного слуха. Кроме того, обнаружена зависимость перцептивной оценки гендерных характеристик голоса в шуме от возраста испытуемых и пола дикторов (мужской или женский голос). Результаты имеют практическое значение для организации слухоречевого тренинга, ранней диагностики нарушений помехоустойчивости речевого слуха, а также развития помехоустойчивых систем автоматической верификации дикторов и технологий слухопротезирования.

perceptionvoicegender featureimitation of a complex scenenoisepolyphonyspatial acoustic sceneвосприятиеголосгендерная особенностьимитация сложной сценышуммногоголосиепространственная акустическая сценаПравительство Российской ФедерацииGovernment of the Russian Federation1021062411645-5-3.1.8Balyakova A.A., Labutina O.V., Medvedev I.S., Pak S.P., Ogorodnikova Ye.A. Osobennosti raspoznavaniya rechevykh signalov v usloviyakh golosovoy konkurentsii v norme i pri narusheniyakh slukhorechevoy funktsii [Features of speech signal recognition in conditions of vocal competition with normal hearing and with hearing or speech disorders]. Sensornyye sistemy. 2023. V. 37. № 4. P. 342–347. DOI: 10.31857/S0235009223040029.Балякова А.А., Лабутина О.В., Медведев И.С., Пак С.П., Огородникова Е.А. Особенности распознавания речевых сигналов в условиях голосовой конкуренции в норме и при нарушениях слухоречевой функции. Сенсорные системы. 2023. Т. 37. № 4. С. 342–347. DOI: 10.31857/S0235009223040029Koroleva I.V. Osnovy audiologii i slukhoprotezirovaniya. [Fundamentals of audiology and hearing aid]. St. Petersburg: KARO, 2022. 448 p. (in Russian).Королева И.В. Основы аудиологии и слухопротезирования. СПб: КАРО, 2022. 448 с.Koroleva I.V., Ogorodnikova E.A., Pak S.P., Levin S.V., Baliakova A.A., Shaporova A.V. Metodicheskiye podkhody k otsenke dinamiki razvitiya protsessov slukhorechevogo vospriyatiya u detey s kokhlearnymi implantami. [Methodological approaches to assessing the dynamics of the development of hearing and speech perception processes in children with cochlear implants] Russian Otorhinolaryngology. 2013. № 3. P. 75–85. (in Russian).Королева И.В., Огородникова Е.А., Пак С.П., Левин С.В., Балякова А.А., Шапорова А.В. Методические подходы к оценке динамики развития процессов слухоречевого восприятия у детей с кохлеарными имплантами. Российская оториноларингология. 2013. № 3. С. 75–85.Lopotko A.I., Berdnikova I.P., Boboshko M.Yu., Zhuravleva T.A., Zhuravskiy S.G., Kvasova T.V., Lomovatskaya L.G., Mal’tseva N.V., Molchanov A.P., Ryndina A.M., Savenko I.V., Slesarenko N.P., Soldatova G.Sh. Prakticheskoye rukovodstvo po surdologii [A practical guide to audiology]. St. Petersburg: Dialog, 2008. 273 p. (in Russian).Лопотко А.И., Бердникова И.П., Бобошко М.Ю., Журавлева Т.А., Журавский С.Г., Квасова Т.В., Ломоватская Л.Г., Мальцева Н.В., Молчанов А.П., Рындина А.М., Савенко И.В., Слесаренко Н.П., Солдатова Г.Ш. Практическое руководство по сурдологии. СПб: Диалог, 2008. 273 с.Lyashevskaya O.N., Sharov S.A. Chastotnyy slovar’ sovremennogo russkogo yazyka (na materialakh Natsional’nogo korpusa russkogo yazyka) [Frequency dictionary of the modern Russian language (based on materials from the National Corpus of the Russian Language)]. Moscow: Azbukovnik, 2009. 1090 p. (in Russian).Ляшевская О.Н., Шаров С.А. Частотный словарь современного русского языка (на материалах Национального корпуса русского языка). М.: Азбуковник, 2009. 1090 с.Ogorodnikova Ye.A., Labutina O.V., Andreyeva I.G., Gvozdeva A.P., Baulin Yu.A. Faktor prosodiki v vospriyatii kommunikativnoy stseny s prostranstvennym razdeleniyem istochnikov rechi i rechepodobnoy pomekhi [Prosody factor in the perception of a communicative scene with spatial separation of speech sources and speech-like interference]. Tezisy dokladov Mezhdunarodnoy konferentsii “Lingvisticheskiy forum 2020: Yazyk i iskusstvennyy intellekt” / Pod red. A.A. Kibrika, V. Yu. Guseva, D.A. Zalmanova. Moscow: Institut yazykoznaniya RAN, 2020. P. 127–128. (in Russian).Огородникова Е.А., Лабутина О.В., Андреева И.Г., Гвоздева А.П., Баулин Ю.А. Фактор просодики в восприятии коммуникативной сцены с пространственным разделением источников речи и речеподобной помехи. Тезисы докладов Международной конференции “Лингвистический форум 2020: Язык и искусственный интеллект” / Под ред. А.А. Кибрика, В.Ю. Гусева, Д.А. Залманова. М.: Институт языкознания РАН, 2020. С. 127–128.Sapogova Ye.Ye. Psikhologiya razvitiya cheloveka [Psychology of human development]. M.: Aspekt press. 2001. 460 p. (in Russian).Сапогова Е.Е. Психология развития человека. М.: Аспект пресс, 2001. 460 с.Khukhlayeva O.V. Psikhologiya razvitiya. Molodost’, zrelost’, starost’ [Developmental psychology. Youth, maturity, old age]. Moscow: Akademiya, 2006. 208 p. (in Russian).Хухлаева О.В. Психология развития. Молодость, зрелость, старость. М.: Академия, 2006. 208 с.Andreeva I.G. Spatial selectivity of hearing in speech recognition in speech-shaped noise environment. Hum. Physiol. 2018. V. 44(2). P. 226–236. https://doi.org/10.1134/S0362119718020020Andreeva I.G., Dymnikowa M., Gvozdeva A.P., Ogorodnikova E.A., Pak S.P. Spatial separation benefit for speech detection in multi-talker babble-noise with different egocentric distances. Acta Acustica united with Acustica. 2019. V. 105. № 3. P. 484–491. https://doi.org/10.3813/AAA.919330Balling L.W., Mølgaard L.L., Townend O., Nielsen J.B.B. The collaboration between hearing aid users and artificial intelligence to optimize sound. Seminars in Hearing. 2021. № 42(3). P. 282–294. https://doi.org/10.1055/s-0041-1735135Bharathi R., Nalina H.D. Survey of Recent Advances in Hearing Aid Technologies and Trends. International Research Journal on Advanced Engineering Hub. 2024. V. 2. I. 2. P. 303–308. https://doi.org/10.47392/IRJAEH.2024.0046Bregman A.S. Auditory scene analysis: the perceptual organization of sound. Cambridge: MIT Press, 1990.Bronkhorst A.W. The cocktail-party problem revisited: Early processing and selection of multi-talker speech. Attention, Perception & Psychophysics. 2015. V. 77(5). P. 1465–1487. https://doi.org/10.3758/s13414-015-0882-9.Cherry E.C. Some experiments on the recognition of speech, with one and with two ears. J. Acoust. Soc. Am. 1953. V. 25. № 5. P. 975.Darvin C.J., Brungart D.S., Simpson B.D. Effects of fundamental frequency and vocal-tract length changes on attention to one or two simultaneous talkers. J. Acoust. Soc. Am. 2003. V. 114. P. 2913–2922.Davis A., McMahon C.M., Pichora-Fuller K.M., Russ S., Lin F., Olusanya B.O., Chadha S., Tremblay K.L. Aging and Hearing Health: The Life-course Approach. Gerontologist. 2016. № 56 (Suppl 2). Р. 256–267. https://doi.org/10.1093/geront/gnw033.Fostick L., Ben-Artzi E., Babkoff H. Aging and speech perception: beyond hearing threshold and cognitive ability. J. Basic Clin Physiol Pharmacol. 2013. № 24(3). Р. 175–183. https://doi.org/10.1515/jbcpp-2013-0048.Gutschalk A., Dykstra A.R. Functional imaging of auditory scene analysis. Hear. Res. 2014. V. 307. P. 98.Lesica N.A., Mehta N., Manjaly J.G., Deng L., Wilson B.S., Zeng F.-G. Harnessing the power of artificial intelligence to transform hearing healthcare and research. Nat. Mach. Intell. 2021. № 3. Р. 840–849. https://doi.org/10.1038/s42256-021-00394-zMoore B.C.J. An Introduction to the Psychology of Hearing. Leiden. Brill., 2012. 442 p.Musiek F.E., Chermak G.D. Handbook of central auditory processing disorder. San Diego. Plural Publishing, 2014. V. 1. Auditory neuroscience and diagnosis. 768 p.Pernet C.R., Belin P. The Role of Pitch and Timbre in Voice Gender Categorization. Front. Psychol. 2012. Sec. Perception Science. V. 3. https://doi.org/10.3389/fpsyg.2012.00023Popper A.N., Fay R.R. (Eds). Perspectives on auditory research. Springer handbook of auditory research. 2014. 680 p.Shamma S.A., Elhilali M., Micheyl C. Temporal coherence and attention in auditory scene analysis. Trends Neurosci. 2011. V. 34. P. 114.Smirnova V.A., Labutina O.V., Gvozdeva A.P. Chapter 9: Speech detection in spatially distributed speech-like noise. In: Neural Networks and Neurotechnologies (eds: Yu. Shelepin, E. Ogorodnikova, N. Solovyev, E. Yakimova). St. Petersburg, VVM, 2019. P. 52–60.Weston P., Hunter M.D., Sokhi D.S., Wilkinson I. Discrimination of voice gender in the human auditory cortex. NeuroImage. 2014. V. 105. P. 208–214. https://doi.org/10.1016/j.neuroimage.2014.10.056